AIS 선박위치정보 기반의 선박분포 예측 모델 개발
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Park, Yong Gil | - |
dc.contributor.author | Lee, Chol Young | - |
dc.contributor.author | Jeon, Ho-Kun | - |
dc.date.accessioned | 2023-05-02T06:30:09Z | - |
dc.date.available | 2023-05-02T06:30:09Z | - |
dc.date.created | 2023-04-11 | - |
dc.date.issued | 2022-11-16 | - |
dc.identifier.uri | https://sciwatch.kiost.ac.kr/handle/2020.kiost/44196 | - |
dc.description.abstract | 최근 해상사고 예방 및 선박 감시를 위한 해상안전의 관심이 높아지고 있다. 선박의 항로 예측 및 움직임 예측을 위한 연구 등이 수행되고 있다[1,2]. 그러나 선박의 밀집 지역에 대한 순찰 등을 위한 선박분포 예측연구는 미진한 실정이다. 따라서 본 연구에서는 선박의 분포 예측을 위한 연구를 수행하였으며 이를 위해 AIS 자료의 선박위치정보를 활용하였다. 선박분포예측은 자료 수집, 전처리, 학습자료 생성, 예측 모델링의 단계로 수행되었다. 먼저 예측을 위한 격자는 국가해양공간정보 단위인 3 ′ 격자를 이용하였으며, 하나의 격자는 약 5km X 5km의 범위를 나타낸다. 선박위치정보는 2018년의 AIS 자료를 수집하여 활용하였으며, AIS 자료에 포함된 선박위치정보 및 전송시간을 이용하여 선박의 분포를 파악하도록 하였다. 이 때 잘못 입력된 선박위치정보를 제거하기 위한 QC를 수행하였으며, 선박별로 불규칙한 전송시간을 일치시키기 위한 선박위치 보간 작업을 함께 수행하였다. 선박의 분포 예측을 위한 보조자료로 기상정보, 시간정보 및 물때 정보를 포함한 학습자료를 생성하였다. 선박분포예측을 위해 ARIMA 모델 및 랜덤포레스트 모델을 적용하였다. 향후 학습을 위해 해양환경자료를 보완한 학습자료의 구축과 함께 LSTM 모델 등 딥러닝 모델과의 비교 연구가 수행되어야 할 것이다. | - |
dc.description.uri | 2 | - |
dc.language | Korean | - |
dc.publisher | GeoAI데이터학회 | - |
dc.title | AIS 선박위치정보 기반의 선박분포 예측 모델 개발 | - |
dc.type | Conference | - |
dc.citation.conferenceDate | 2022-11-15 | - |
dc.citation.conferencePlace | KO | - |
dc.citation.conferencePlace | 그랜드하얏트제주 | - |
dc.citation.endPage | 91 | - |
dc.citation.startPage | 91 | - |
dc.citation.title | 2022년 GeoAI데이터학회 추계학술대회 | - |
dc.contributor.alternativeName | 박용길 | - |
dc.contributor.alternativeName | 이철용 | - |
dc.contributor.alternativeName | 전호군 | - |
dc.identifier.bibliographicCitation | 2022년 GeoAI데이터학회 추계학술대회, pp.91 | - |
dc.description.journalClass | 2 | - |